Python 迭代器、生成器

zhangtt123

一、可迭代对象
字面意思：
对象：Python 中一切皆为对象（巧了 Java 也是（手动滑稽））
6 [6 s# L+ O$ d9 S& {1 L" T可迭代：可更新迭代，重复、循环的一个过程，每次更新迭代都会获得新的内容
0 t7 [3 t6 v' O5 S8 l5 G专业角度：内部含有 '__iter__‘ 方法的对象
% _) h; I" w* O  r目前学过的可迭代对象：str、list、tuple、dict、set、range、文件句柄等
判断一个对象是否是可迭代对象：看是否有 '__iter__' 方法，dir() 可以获取一个对象的所有方法；或者使用 isinstance(object, collections.iterable) 来判断对象是否是可迭代对象的一个实例


! K5 U( k* a8 e优点：
. T5 V  H: }3 y存储的数据直接能显示，比较直观：比如直接 print 一个可迭代对象，就会调用 __str__ 方法（相当于 Java 中的 toString），把可迭代对象的值打印出来
' D$ u* Q; |) Y0 d1 `* v拥有较多的方法，操作方便：增删查改等
% U6 T3 Y, v# V* i7 B" R缺点：
! e* Z' _. b8 X1 d占用内存：一旦创建了一个可迭代对象，就会将该对象的内容全部加载到内存中
5 z) a5 z' N# l( |不能直接通过 for 循环，不能直接取值（通过索引、key等）。诸如通过 for i in iterable 这种形式获取元素实际上也是调用了 __iter__ 方法先将可迭代对象转换成迭代器再进行获取
二、迭代器
字面意思：器，工具，迭代器也就是可以一直更新迭代取值的工具
专业角度：内部含有 __iter__ 方法且含有 __next__ 方法的对象就是迭代器；或者使用 isinstance(object, collections.iterator) 来判断对象是否是可迭代对象的一个实例
6 Y  U2 |9 Q, i3 u把一个可迭代对象转换成迭代器：使用 iter() 方法或使用对象的 __iter__ 方法

迭代器取值：使用 next() 方法或对象的 __next__ 方法；当迭代器的值去玩了继续取，就会报StopIteration异常，所以一般使用迭代器需要做异常处理
* L% x) C+ {& L
' z( K: |4 b' w, {6 {: H优点
节省内存：迭代器并不会一次性将对象的值全部加载到内存中，而是需要时才加载（类似 sed）
' M, ?" L- q3 X4 C/ Z惰性机制：next 一次只取一个值，绝对不多取
+ [& e- H; j% n. D' ^" t' l缺点：
速度慢：需要一直 next
2 {- K# ~+ R( f3 {2 i  D; ]不能回头：只能一直往下取值，取过的值没保存就没了`
, O, |. r! l( R不能直观的看到里面的数据
三、可迭代对象与迭代器对比
可迭代对象：
私有方法多，操作灵活（比如列表，字典的增删改查，字符串的常用操作方法等）
直观，可以直接看到里面的数据
占用内存
; F4 ^" m7 a- N; a9 v2 \  f不能直接通过循环迭代取值
应用：当你侧重于对于数据可以灵活处理，并且内存空间足够，将数据集设置为可迭代对象是明确的选择
: m) ~, H+ O" Y1 y- V% y  m迭代器：
) \3 T# p1 c7 K, ~" Y" X+ e# L节省内存，按需取值
可以直接通过循环迭代取值
) e( z& E6 P' O7 s; m5 f数据不直观，操作方法单一
) Q! L) W% p0 P4 |+ d8 Y应用：当你的数据量过大，大到足以撑爆你的内存或者你以节省内存为首选因素时，将数据集设置为迭代器是一个不错的选择
6 S# X) v* l8 m6 H! n0 f四、生成器
! q# K3 q" f( m1 p生成器的本质就是迭代器，唯一的区别是生成器是我们自己用代码构建的数据结构，迭代器是 Python 提供的，或者通过可迭代对象转化得来的
  c, Z" x! q& I8 b4 h: I" Y
定义生成器的方式：
通过生成器函数构建生成器
+ a6 R: Z( R6 T/ ]6 c" ?- r9 a! V
7 U+ C6 \& u4 G4 G7 I$ Q
- h) Y' {0 e, G8 Q
5 F6 Z0 u9 ~, p6 \: A2 u* H这就是最简单的生成器函数。实际上这个 yield 就替代了 return，不仅将函数变成了生成器函数，还会将后面的值在调用 __next__ 的时候返回出来

5 _9 a& ~# M) d; R" s: b- p) F也可以在一个函数里定义多个 yield
& \' ]$ h; X; W( X
* k- i! O. H- f0 r之前说过，生成器本质上还是迭代器，一个 yield 对应一个 next，当 next 的数量超过了 yield，就会报 StopIteration

yield 与 return 的区别

; ^" I* Z- D3 h& ireturn一般在函数中只设置一个，他的作用是终止函数，并且给函数的执行者返回值
" j6 f- o0 o3 J( j4 m4 y4 ?yield在生成器函数中可设置多个，他并不会终止函数，next会获取对应yield生成的元素
& k$ N$ {) O7 |应用举例：

买 5000 个包子，假设这个老板很厉害，一下子就把 5000 个包子做出来卖给我们，可是我们只有 5 个人，一下子吃不完，那包子就会冷掉、臭掉、被丢掉浪费了


如果这个老板可以在我们需要多少个包子就做出来多少个包子的话，这样做出来的包子就不会被浪费了（比如我们每个人一口气能吃 40 个包子，那每次就做 200 个包子）：
) g+ R  s$ T7 K* x

除了 使用 next() 触发 yield 之外，生成器还有一种方法 send()，这个方法可以在调用 yield 的同时传值给生成器内部
, E+ S/ }% O) }2 @3 W: R
可以看到在使用 next() 的时候，只能获取到 yield 的值，但不能传递值

在使用 send() 的时候，可以将参数传入生成器中使用

需要注意的是第一次不能直接调用 send() 传参，因为每次调用生成器的时候，实际上只会返回 yield 后面的内容，然后生成器就停止了（睡眠了？），而 send() 传入的参数要通过 yield 传入生成器中（每次调用生成器在 yield 停止，然后在 yield 恢复继续允许），第一次调用并没有 yield 给我们传入参数，可以使用 send(None)，可以打断点自己分析一下

1 E, l  v: q! p7 Fyield 会将它后面跟着的对象直接返回，如果它后面跟着的是可迭代对象，也可以使用 yield from 将这个可迭代对象变成迭代器返回
& J1 K, i4 T2 a+ P2 L5 b, X; r
2 f  z* q* C8 B' }# W
yield from 是将列表中的每一个元素返回，所以写两个 yield from 并不会有交替执行的效果


$ {) ]( e, F9 F7 V9 h% T0 ~
& y; F. u' e# o/ E" D通过推导式构建生成器
列表推导式：

( `% {# ^$ ?+ V$ `生成器表达式：和列表推导式差不多，把 [] 改成 () 即可
5 Y! z+ N) \  F8 C

列表推导式和生成器推导式的区别：

列表推导式比较耗内存,所有数据一次性加载到内存；而生成器表达式遵循迭代器协议，逐个产生元素
0 ~- p) I/ g& D/ G# p4 E3 E( d# r得到的值不一样：列表推导式得到的是一个列表；生成器表达式获取的是一个生成器
+ o* \/ A2 b" _7 \列表推导式一目了然，生成器表达式只是一个内存地址
————————————————
7 W9 a8 Y  V8 z/ l4 L7 E0 q版权声明：本文为CSDN博主「阿玮d博客」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/weixin_42511320/article/details/105676143


) p3 u7 L+ U( d/ x5 |

dwadasd

多谢大神分享
6 ~2 p7 B3 W- U/ e" Y

dwadasd

太好了太好了